Erweiterung der Attribute
Hinweis: Die Daten sind fiktiv.Du erhältst den Trainingsdatensatz
| Person | geplante Reisezeit (min) | geplante kürzeste Umstiegszeit (min) | Anzahl der Umstiege | Klasse |
|---|---|---|---|---|
| A | 150 | 7 | 1 | pünktlich |
| B | 210 | 10 | 2 | unpünktlich |
| C | 300 | 3 | 3 | unpünktlich |
| D | 80 | 10 | 1 | pünktlich |
| E | 120 | 20 | 1 | pünktlich |
| F | 200 | 25 | 1 | pünktlich |
| G | 260 | 15 | 3 | unpünktlich |
| H | 300 | 30 | 1 | pünktlich |
| I | 40 | 3 | 1 | unpünktlich |
| J | 240 | 5 | 2 | unpünktlich |
| K | 180 | 16 | 1 | pünktlich |
| L | 280 | 12 | 2 | unpünktlich |
| Person | geplante Reisezeit (min) | geplante kürzeste Umstiegszeit (min) | Anzahl der Umstiege | Klasse |
|---|---|---|---|---|
| X | 140 | 5 | 3 | |
| Y | 200 | 15 | 1 | |
| Z | 280 | 20 | 2 |
Aufgabe 1 - KNN-Klassifikation 2D
Bestimme mit Hilfe der 2-Nächste-Nachbar-Klassifikation, ob die Personen X, Y und Z pünktlich an ihrem Ziel ankommen werden.
Bisher haben wir immer zwei erklärende Attribute verwendet. In unserem Beispiel ist zusätzlich die Anzahl der Umstiege als Attribut gegeben. Wenn wir auch
die Anzahl der Umstiege als erklärendes Attribut zur Klassifikation verwenden wollen, benötigen wir eine dritte Achse,
an der wir dieses abtragen können. Das führt zu dem folgenden dreidimensionalen Punktdiagramm.
Aufgabe 2 - KNN-Klassifikation 3D
Lade dir das dreidimensionale Punktdiagramm herunter und öffne es in Geogebra 3D.
- Klassifiziere die Verbindungen X, Y und Z erneut mit der 2-Nächste-Nachbar-Klassifikation.
- Vergleiche deine Prognosen aus Aufgabe 1 und 2.
Aufgabe 3 - Vorstellungskraft
- Argumentiere, warum wir grafisch nicht mehr als drei erklärende Attribute betrachten können.
- Beschreibe, wie eine grafische Darstellung im Fall von einem erklärenden Attribut aussieht.
Merke: Wir können uns nicht mehr als drei erklärende Attribute vorstellen. Der Computer kann allerdings beliebig viele erklärende Attribute verwenden.
